基于聚类分析和局部边界学习的医疗少样本分类方法

本发明公开了一种基于聚类分析和局部边界学习的医疗少样本分类方法，属于医疗数据分类管理领域，包括：获取医疗少样本的数据集，并输入至局部边界学习网络模型，基于修改后的基于密度的聚类算法DBSCAN进行聚类分析，基于簇与簇之间构成的局部区域进行边界学习，将经局部边界学习网络模型处理后的医疗少样本输入至分类器中，完成医疗少样本的分类。本发明通过聚类分析和局部边界学习，能够更方便地找到小范围的规则边界，在局部空间内的样本形成更加清晰的类别边界，提高最终分类器的准确性，同时，本发明是学习映射数据的方式，能够使医疗少样本在新的度量空间中更易区分，不影响后续使用的分类器类型，可扩展性强。